Bank of America Corp. (BAC) — Interpretação do relatório

Visão geral

Esta nota de reunião com a administração examina como o Bank of America aborda investimentos em AI, eficiência operacional e cibersegurança. A administração enfatizou implantação disciplinada, retornos mensuráveis e contratos com fornecedores baseados em assinatura, enquanto o Goldman Sachs manteve Buy e o preço-alvo de 12 meses de $79.

Visões principais

A estratégia tecnológica do Bank of America coloca controles de risco, regulação e segurança antes das decisões de investimento discricionário. A administração disse que os investimentos discricionários migraram cada vez mais da transformação digital tradicional para iniciativas centradas em AI, mas os projetos são avaliados por meio de uma estrutura de excelência operacional, e não conduzidos apenas pela adoção. BAC mapeou 3,700 processos em toda a empresa, o que permite avaliar o impacto no fluxo de trabalho de cada projeto proposto e se o ganho de eficiência esperado justifica o gasto de investimento. A administração caracterizou o orçamento de tecnologia como focado em ROI, com parte das economias geradas por ganhos de eficiência usada para autofinanciar investimentos incrementais. O investimento discricionário em tecnologia é de aproximadamente $4bn dentro de um gasto total de tecnologia de cerca de $13bn. Na última década, o gasto discricionário aumentou aproximadamente 45%, contra aproximadamente 15% de crescimento do gasto em tecnologia operacional central. Para projetos discricionários incrementais, BAC busca um prazo médio de retorno de aproximadamente três anos. A empresa descreveu um modelo de implementação de AI de baixo para cima com três níveis. O nível 1 abrange ferramentas amplas e padronizadas de produtividade para empregados; o nível 2 utiliza capacidade de AI incorporada em plataformas de terceiros, em vez de recriar ferramentas similares internamente; e o nível 3 aplica soluções personalizadas a fluxos de trabalho complexos. Em comparação com o ciclo anterior de digitalização, voltado principalmente para automação e experiência do cliente, a administração espera que a AI simplifique processos internos mais complexos, como compliance e gestão de relacionamento. A oportunidade mais ampla também traz maior complexidade de implementação, pois a AI é preditiva, e não determinística, exigindo mapeamento de processos, salvaguardas e supervisão contínua mais robustos. A administração espera que os ganhos incrementais de eficiência com AI sejam significativos, mas difíceis de dimensionar diretamente. Os benefícios voltados à receita são mais difíceis de mensurar, e parte das economias de despesas é reinvestida em tecnologia adicional. Assim, indicou que métricas operacionais de toda a empresa, especialmente alavancagem operacional e aceleração do crescimento de receita versus pares, podem oferecer evidência mais útil da produtividade impulsionada por AI. BAC afirmou estar relativamente menos afetado pela pressão de custos relacionados a AI vista no setor, decorrente da demanda por computação, uso de token e tarifas de serviços. Sua disciplina de ROI busca evitar gastos em AI quando automação simples seria suficiente, e seus contratos com fornecedores, principalmente baseados em assinatura, devem permanecer em vigor pelos próximos anos. Essa estrutura dá flexibilidade para ampliar a adoção de AI sem limitação por volume incremental de consultas ou gastos vinculados ao uso. A cibersegurança é o principal contraponto à adoção mais ampla de AI. A administração observou que os mesmos modelos capazes de aumentar a produtividade também podem identificar e explorar vulnerabilidades de sistemas, elevando a urgência e a complexidade da gestão de risco cibernético. BAC está focado em acelerar a correção de vulnerabilidades, avaliar riscos de sistemas antigos, considerar a exposição a software de código aberto e modernizar plataformas quando necessário. Os reguladores foram descritos como receptivos, mas ainda desenvolvendo sua abordagem à ampliação de fluxos de trabalho com AI, dialogando com bancos para entender casos de uso e estruturas de supervisão. O Goldman Sachs mantém Buy para BAC e define preço-alvo de 12 meses de $79 baseado em 15.5x 2027E P/E. Suas estimativas mostram receita subindo de $113,706.0mn em 2025 para $123,845.4mn em 2026E, $130,471.0mn em 2027E e $135,891.1mn em 2028E, enquanto o EPS projetado é de $4.58, $5.10 e $5.64 para 2026E–2028E, respectivamente. Os riscos de baixa declarados são menor melhora de eficiência decorrente de NII attrition e repricing mais lento dos depósitos.

Estrutura de análise

A nota sintetiza a discussão da administração sobre estratégia tecnológica e relaciona seleção de projetos, mapeamento de processos, disciplina de retorno, contratos com fornecedores e controles de cibersegurança aos potenciais efeitos operacionais da AI. O Goldman Sachs avalia BAC usando um múltiplo 2027E P/E e fornece estimativas financeiras prospectivas.

Notas metodológicas

• Métodos de avaliaçãoAvaliação por P/L e PEG

  Avaliação a 15.5x 2027E P/E

  O Goldman Sachs deriva seu preço-alvo de 12 meses de $79 aplicando um múltiplo preço-lucro de 15.5x à sua estimativa de lucro de 2027.

• Marco de fundamentos corporativos e finançasAnálise de alavancagem operacional e financeira

  Alavancagem operacional e aceleração do crescimento de receita versus pares

  A administração indicou que a alavancagem operacional de toda a empresa e a aceleração relativa do crescimento de receita podem ser melhores indicadores de eficiência impulsionada por AI do que mensurar diretamente cada benefício individual de AI.

Mapeamento e comparação de ativos

Mapeamento estruturado da tese para ativos nomeados (pontos fortes, pontos fracos, pares e riscos).

• Bank of America Corp. (BAC.US)

  Empresa principal coberta; a administração espera que a implantação disciplinada de AI e a reengenharia de processos apoiem a eficiência, enquanto contratos de assinatura contêm a exposição de curto prazo a custos de AI.

  Pontos fortes

  Mapeamento de 3,700 processos, seleção de projetos focada em ROI, acordos de AI com fornecedores baseados em assinatura e ênfase em controles cibernéticos.

  Pontos fracos

  Os benefícios de eficiência de AI são difíceis de quantificar diretamente, pois os benefícios voltados à receita são difíceis de medir e as economias podem ser reinvestidas.

  Comparação

  A administração comparou AI ao ciclo anterior de digitalização: AI pode lidar com fluxos de trabalho mais complexos, mas exige mais supervisão por ser preditiva, e não determinística.

  Riscos

  Menor melhora de eficiência decorrente de NII attrition e repricing mais lento dos depósitos.

Dados principais

• Gasto total com tecnologia~$13bnValor aproximado do gasto total com tecnologia citado pela administração.
• Investimento discricionário em tecnologia~$4bnParcela aproximada do gasto total com tecnologia; cresceu aproximadamente 45% na última década.
• Crescimento da tecnologia operacional central~15%Crescimento na última década, em comparação com aproximadamente 45% para investimento discricionário em tecnologia.
• Prazo-alvo de retorno~3 yearsMeta média para investimentos discricionários incrementais.
• Processos mapeados em toda a empresa3,700Usados para avaliar o impacto no fluxo de trabalho e os retornos esperados dos projetos propostos.
• EPS 2026E / 2027E / 2028E$4.58 / $5.10 / $5.64Previsões do Goldman Sachs.
• Receita 2026E / 2027E / 2028E$123,845.4mn / $130,471.0mn / $135,891.1mnPrevisões do Goldman Sachs; a receita de 2025 foi $113,706.0mn.
• Preço-alvo e base de avaliação$79; 15.5x 2027E P/EPreço-alvo de 12 meses do Goldman Sachs; BAC fechou a $62.67 em 9 de setembro de 2026.

Impacto e implicações

O relatório apresenta a estratégia de AI de BAC como uma oportunidade de eficiência buscada sob rigorosa disciplina de retorno, risco e governança. Os acordos de fornecedores por assinatura podem reduzir a pressão de custos de AI no curto prazo, enquanto a dimensão dos ganhos deve ser avaliada pelo desempenho operacional mais amplo, e não por métricas de projetos isolados.

Riscos

• Os riscos de baixa incluem menor melhora de eficiência decorrente de NII attrition e repricing mais lento dos depósitos.

Pontos a observar

• Evidência de alavancagem operacional impulsionada por AI e aceleração do crescimento de receita versus pares.
• A execução do modelo de implementação de AI em três níveis e se os projetos atingem o prazo médio de retorno de aproximadamente três anos.
• A durabilidade dos contratos de fornecedores de AI baseados em assinatura e seu efeito sobre os custos de expansão.
• Os controles de cibersegurança, incluindo velocidade de correção de vulnerabilidades, risco de sistemas antigos e exposição a software de código aberto.
• O desenvolvimento regulatório e o engajamento entre bancos e reguladores sobre a supervisão de fluxos de trabalho de AI.